UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Pengenalan citra wajah menggunakan metode template dengan fitur garis acak

Indah Agustien Siradjuddin; Benyamin Kusumoputro, supervisor (Fakultas Ilmu Komputer Universitas Indonesia, 2006)

 Abstrak

Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan.
Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding.
Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan.

 File Digital: 9

Shelf
 T-529-Pengenalan citra-Pendahuluan.pdf :: Unduh
 T-529-Pengenalan cira-Lampiran.pdf :: Unduh
 T-529-Pengenalan citra-Analisis.pdf :: Unduh
 T-529-Pengenalan citra-Kesimpulan.pdf :: Unduh
 T-529-Pengenalan citra-Metodologi.pdf :: Unduh
 T-529-Pengenalan citra-Abstrak.pdf :: Unduh
 T-529-Pengenalan citra-HA.pdf :: Unduh
 T-529-Pengenalan citra-Literatur.pdf :: Unduh
 T-529-Pengenalan citra-Bibliografi.pdf :: Unduh

LOGIN required

 Kata Kunci

 Metadata

Jenis Koleksi : UI - Tesis Membership
No. Panggil : T529
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2006
Bahasa : ind
Sumber Pengatalogan :
Tipe Konten :
Tipe Media :
Tipe Carrier :
Deskripsi Fisik : xii, 74 hlm. : ill; 29 cm. + lamp.
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan FASILKOM UI
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
T529 15-21-493995619 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 125344
Cover